基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型 (2007年)

工程技术论文

提取多通道脑电（EEG）功率谱特征，训练连续高斯密度混合隐马尔科夫模型（CHMM），建立了基于功率谱-CHMM的精神疲劳分级模型。分级结果表明：EEG各节律功率谱及其比值是精神疲劳的敏感指标，CHMM对于不同的精神疲劳状态具有较高的分类精度，最高分类正确率达到97.5%；在训练样本相同的情况下，CHMM比反向传输人工神经网络具有更高的分类精度。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型 (2007年)

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载